编辑推荐
近几十年来，包括基于机器学习在内的各种特征检测与描述算法层出不穷，且各有千秋。这些算法的基本原理是什么？各种算法有什么联系与区别？有什么优势和不足？到底是传统方法好还是基于机器学习的方法好？相关研究或应用人员要弄清这些问题需要花费大量的时间。为此，本书沿着特征检测及描述问题研究发展历程的脉络，厘清每一类算法演化发展的来龙去脉，包括其理论基础和研究动因，以及算法的原理和效果，让读者知其然并知其所以然。 本书是国内*本系统介绍特征检测及描述的专著，内容既有广度、又有深度。本书涵盖特征检测及描述的每类算法的典型代表，提及近百种经典算法，以*易于理解的方式重点介绍了其中*影响力的几十种算法，让读者既见树木也见森林，让专业人员读起来有味，让非专业人员读起来能懂。
内容简介
图像特征的检测及描述是完成计算机视觉相关的三维重建、目标识别/跟踪、图像恢复及分类等各种任务的*步，其性能直接影响后续过程的效果，是事关成败的关键，具有重要的理论意义和实用价值。 本书针对噪声图像中的特征检测及描述的稳定性和可分辨性问题，介绍了国内外经典算法的原理和作者的相关研究成果，并对算法的优势和局限性进行了分析。本书重点介绍了三十多种特征检测算法，包括基于边缘、模板、灰度导数以及基于机器学习的角点检测算法，基于灰度导数、机器学习以及与滤波整合的像素级边缘检测算法，基于灰度矩、空间矩的亚像素级边缘检测算法，SIFT、SURF等斑点检测算法。本书还介绍了十多种特征描述算法，包括SIFT、GLOH、WLD、BRIEF、ORB等经典描述算法，还包括清晰或模糊直线的参数估计。虽然本书不能涵盖所有的特征检测及描述算法，但基本包括各类代表性方法。
购买链接